SOPC技术在视觉测量中的应用

　　3.3 边缘细化模块

　　本文的边缘是建立在二值化之后的，因此处理的图像都是二值化的，边缘非常清晰，不需要太复杂的算法。这里采用两个 3×3模板作乘积，如图所示， X为待处理像素。如果模板乘积不为 0，于是中心象素为 1，反之为 0，即点的周围有灰度为 0的象素，则保留此点，否则剔除。如此很容易得到二值化后点的单象素边缘。

　　3.4 后续处理部分

　　后续处理部分由于其数据处理量并不大且算法比较复杂，所以在本系统中，这部分算法在 NiosⅡ中以软件的方法实现。由于篇幅所限，在此不作详细介绍。

　　4 系统测试结果的分析与总结

　　图 4为原始图像。图 5为处理后的最终图像，点中心已经标注如图所示。

　　经测试，本系统所有算法用 C语言在 PC机（配置： Pentium( R) 4 CPU 3.00GHz, 512MB内存）上实现，所需时间为 2'12，而本系统仅需 30，其中主要耗时为 NiosII软件处理部分，系统的硬件算法部分所耗时间不到 1。

　　本文作者创新点：一是采用 FPGA设计硬件模块实现图像预处理算法，这是视觉测量系统在处理效率上的创新；二是在系统中加入Nios II CPU，用以 FPGA难以实现的算法，从而使基于SOPC技术的视觉测量系统更具灵活性，这是视觉测量系统在灵活性方面的创新。基于以上两点创新设计的视觉测量系统兼顾了效率和灵活性，为视觉测量系统的设计和研究提供了一种新的思路。